看別人製作 AI 短劇的時候，我一直有一種感覺：好像沒有想像中困難。

AI 先幫忙把劇本寫好，下載成 Word，再按照劇本裡的分鏡，一個畫面、一個畫面丟進即夢生成，最後放到剪映裡剪一剪，一支 AI 短劇似乎就完成了。

我甚至看過有人把整個流程整理成四個步驟，看完真的會產生一種錯覺：「這好像我也可以做。」

於是，我真的做了。

我的第一部 AI 短劇叫做《凌晨一點的咖啡》，總共製作了 10 集。

做完之後，我才真正理解一件事：AI 短劇的流程確實不難，難的是怎麼讓生成出來的一堆圖片和影片，最後真的看起來像一部戲。

而這中間的距離，比我一開始想像的大很多。

從一杯凌晨一點出現的咖啡開始

《凌晨一點的咖啡》最初的設定其實很簡單。

女主角林予安獨自住在公寓裡。某一天凌晨一點，她打開門，發現門外放著一杯咖啡。

不知道是誰送的，也沒有任何留言。

接下來幾天，咖啡持續出現。

她開始調查監視畫面、留下錄影、找到紙條，甚至發現某段時間的錄影莫名消失。一路追查之後，她發現所有線索竟然指向住在同一層、早已搬走的一名前房客。

而那個人的名字，竟然是她的前夫—周承宇。

到了 EP10，她終於直接打電話問他。

12 樓是不是他自己選的？

那些凌晨一點出現在門口的咖啡，是不是他放的？

答案都是：「是。」

最後，她對他說：「承宇，別再來了。」

第二天凌晨一點，她再次打開門。門外第一次什麼都沒有。

故事最後，她回到屋裡，自己沖了一杯咖啡。

旁白只有一句：「這一次，我替自己沖了一杯。」

《凌晨一點的咖啡》，第一季完。

故事看起來只有短短 10 集，但真正做完，我才發現，自己學到的東西遠比原本預期多。

第一個教訓：AI 會寫故事，不代表它寫的是「能生成的劇本」

這是我這次最早碰到的問題。

一般文字劇本可以很自然地寫：「她走到門口，猶豫了一下，伸手敲門，等待片刻，低頭發現門縫裡透出一道光。」

讀起來完全沒有問題。

但把這句話交給影片生成 AI，就完全是另外一回事。

因為這一小段裡，其實已經包含很多不同動作：走路、停下、猶豫、伸手、敲門、等待、低頭、看光、表情改變。

對真人演員而言，這可能只是幾秒鐘。對 AI 而言，卻很可能一次做不好。

結果就是人物突然轉身、手勢奇怪、門的位置改變，甚至動作做到一半，人已經不是原本那個人了。

做到後來我才開始理解：AI 短劇的劇本不能只是「好看」，還要「好生成」。

與其要求 AI 一個鏡頭完成八個動作，不如拆成兩支影片。

例如原本的一個鏡頭，可以拆成：

• • 第一支：走到門前，敲門，等待。
  • 第二支：等待片刻，低頭看向門縫。

一旦這樣拆，成功率就會高很多。

這也是我以後再製作第二部 AI 短劇時，第一個一定會改變的地方。

我不會再先寫一般劇本，再想辦法把它塞進 AI。

而是從寫劇本的第一天，就直接用「AI 能不能演得出來？」來設計每一個鏡頭。

第二個教訓：一張圖很好看，不代表放進影片裡會好看

製作前幾集時，我用了不少 AI 生圖。單獨看，每張圖片其實都不差。

女主角漂亮、公寓漂亮、光影也很有電影感。

但把十幾張漂亮圖片丟進剪映後，問題馬上出現。

如果每一張圖片都只能靠放大、縮小、往左移、往右移、慢慢推近，整支影片最後很容易變成一種：「會動的 PPT」或「動態相簿」。

一開始我也會想辦法利用剪映的關鍵幀，讓畫面不要完全靜止。

但做到幾集後，我自己先受不了了。

因為不管圖片多漂亮，只要人物本身沒有真的在動，觀眾其實很容易感覺到：「這不是戲，這只是圖片在移動。」

所以《凌晨一點的咖啡》做到中後段時，我們開始改變製作方式。

人物情緒、人物動作，盡量直接生成真正的 AI 影片；聊天紀錄、紙條、轉帳資料、監視畫面等「證據」，才保留靜態圖片。

這個改變非常重要。

EP01～EP05 和 EP06～EP10，其實已經是兩種不同的製作方式

如果現在把第一集和第十集放在一起看，我自己都能很清楚看見差異。

前半段比較接近：AI 圖片＋剪映＋少量影片。

後半段慢慢變成：AI 人物影片＋靜態證據＋舊素材＋聲音＋剪輯。

尤其開始大量使用即夢的「全能參考」之後，我才第一次真正感覺：「林予安開始像是在演戲了。」

她會滑手機、停下、慢慢抬頭、看向玄關。

她會拿著電話，聽見答案之後，表情慢慢產生變化。

到了最後一集，她甚至真的完成了開門、發現門外什麼都沒有、回到屋裡、自己沖咖啡、拿著咖啡坐下這一整段動作。

這些鏡頭如果還是使用靜態圖片推拉，情緒會完全不一樣。

所以我現在給自己一個非常簡單的判斷方式：

畫面類型	我現在會怎麼做
人物情緒、動作、走路、轉頭、電話	優先生成 AI 影片
聊天紀錄、紙條、銀行紀錄	靜態圖即可
空走廊、門、房間等線索	可以影片，也可以固定空景
已經拍過或生成過的場景	優先重複利用
只是為了讓圖片「動起來」	不再硬加推拉關鍵幀

做到這裡，我才真的懂得：不是所有東西都需要變成影片，也不是所有圖片都需要動。

真正重要的是，哪一個鏡頭負責「演戲」，哪一個鏡頭負責「給資訊」。

第三個教訓：人物一致性，比一張漂亮的臉重要得多

AI 很會生漂亮人物。

問題是，第一張漂亮、第二張也漂亮、第三張還是漂亮……但三張可能根本不是同一個人。

做單張廣告可能沒有太大問題。

做連續劇就很致命。

所以林予安後來慢慢建立了一組固定參考，包括正面、側面、表情、服裝，以及客廳、玄關、走廊等固定場景。

再利用AI程式的參考圖片去約束後面的影片。

這個方法改善很多，但也出現另外一個很有趣的問題：參考圖不是放越多越好。

有一次我希望林予安「滑手機」，卻拿了一張她「手機放在耳邊打電話」的圖片當參考。

結果 AI 非常聽話。

它真的把手機一直放在耳邊。

那次我才懂，AI 並不知道我只是想借那張照片的人臉。

它可能同時把姿勢、手的位置、人物方向、手機的位置，全部一起學走。

所以後來我學到一件很實用的事：想生成什麼動作，就盡量提供接近那個動作的參考。

不要拿一張非常強烈的姿勢圖，再期待 AI 完全忽略姿勢，只認人物的臉。

第四個教訓：AI 最容易翻車的，往往不是大場面，而是手、手機和文字

這次製作過程中，讓我最常重做的東西，反而不是什麼爆炸、追車或大特效。

而是很普通的：手、手機、文字。

人物拿手機時，手指可能出現問題。

明明想讓人物滑手機，結果變成打電話。

想從桌上拿起一個東西，物件可能莫名其妙旋轉。

聊天紀錄可能左右放反。

繁體中文字可能突然多一個字、少一個字，甚至直接變成看不懂的符號。

所以做到後來，我開始接受一件事：AI 不是什麼都一定要做。

像聊天紀錄、轉帳紀錄、紙條這種「文字必須 100% 正確」的畫面，我反而寧可把它當成平面設計處理。

因為觀眾真的會讀。

只要一個名字錯、一個樓層錯、一個金額錯，整個故事邏輯都有可能被破壞。

第五個教訓：影片真正開始變成「戲」，其實是在剪映

我原本以為，最重要的是把 AI 影片生得漂亮。

做到最後才發現：生成只是拿到素材，真正的戲，是剪出來的。

同一個畫面放 5 秒和放 2 秒，感覺完全不同。

一句話先說再切畫面，和先切畫面再說話，效果也完全不同。

EP10 就非常明顯。

林予安最後對周承宇說：「承宇，別再來了。」

這句話如果配一個大特效、一個快速推近，再讓悲情 BGM 突然衝到最高點，很容易變得太過戲劇化。

我們最後反而什麼都沒有做。

人物安靜，音樂降低，她很平靜地把話說完。

接著下一幕，凌晨一點，她打開門。

門外什麼都沒有。

那個「什麼都沒有」，本身就成為一個很重要的畫面。

所以我現在越來越相信：剪輯不是把素材接起來而已，而是在決定觀眾什麼時候知道答案、什麼時候停一下，以及什麼時候開始產生感覺。

第六個教訓：教學影片裡最少看到的，是「失敗生成的成本」

看 AI 短劇教學時，通常看到的是：輸入提示詞 → 按生成 → 成功 → 下一步。

但真的自己做之後就會發現，中間其實還有很多看不到的過程。

• • 生成一次人物不像，重來。
  • 手壞掉，重來。
  • 動作方向錯，重來。
  • 場景跑掉，再重來。

花掉的除了時間，還有生成點數。

我一開始使用 Seedance2.0 製作影片時，就很快感受到點數消耗帶來的壓力。

這也是為什麼後來我開始學會判斷：這個鏡頭到底值不值得重新生成？還是用剪輯就能解決？

例如「敲門」這種動作，有時甚至不一定非得生成一個完整的手部敲門特寫。

人物站在門前，再加上：「叩、叩。」兩聲敲門音效。

觀眾的大腦自然會幫忙完成那個動作。

這也是我這次實際做完一整部短劇後，才慢慢理解的「製作思維」。

看直播說四步驟，為什麼自己做起來完全不是四步？

現在回頭看，我依然覺得這個流程沒有錯：AI 寫腳本 → 整理分鏡 → AI 生成 → 剪輯

錯的是我一開始以為：知道這四步，就等於會做 AI 短劇。

其實四步只是一個外框。真正要學的是裡面那些細節。

怎麼寫 AI 演得出來的分鏡？一鏡可以放幾個動作？哪一張參考圖會影響姿勢？哪些畫面應該生成影片？哪些畫面根本不用動？怎麼維持人物一致？證據要停幾秒才能讓觀眾看懂？一個 5 秒鏡頭究竟應該在哪個 0.5 秒切掉？

這些東西，不實際做一次，其實很難真正理解。

如果現在重新做《凌晨一點的咖啡》，我會怎麼做？

如果今天把所有素材刪掉，叫我從 EP01 重新開始，我一定不會再按照第一次的方法做。

第一步，我會先把 EP01 到 EP10 的完整故事和結局全部確定。

也就是在開始第一集以前，我就必須知道：最後是誰送咖啡？為什麼送？為什麼住在 12 樓？林予安最後又會做出什麼決定？

接著，才把整個故事拆成 10 集，而且每一集只負責揭露一個最重要的新資訊。

再建立角色與場景資料庫，把人物、服裝、客廳、玄關、走廊、房門、咖啡等重要元素全部固定。

最後再把整季分鏡一次規劃完成，而且每一鏡直接標示：AI 影片、靜態證據、舊素材、空景。

完成這些準備之後，才真正開始批次生成素材。

這樣就不會像第一次製作時一樣，今天做到 EP05，才發現 EP07 需要某個角度；到了 EP08，又發現前面的手機姿勢根本不能使用。

真正能省時間的，其實不是「AI 生成速度有多快」。

而是：在開始生成以前，就少做錯的東西。

如果做第二部 AI 短劇，我會採用什麼流程？

經過《凌晨一點的咖啡》這 10 集之後，我現在會把自己的 AI 短劇工作流程重新整理成以下幾個階段：

階段	工作內容
01｜故事設定	先確定故事核心、結局、角色關係與最終答案
02｜整季規劃	一次決定所有集數，每集只安排一個主要揭露
03｜角色 Bible	固定人物臉型、髮型、服裝、年齡、性格與常用角度
04｜場景 Bible	先建立會重複出現的客廳、玄關、走廊、房間等環境
05｜完整分鏡	每個鏡頭標示時間、動作、旁白、參考素材與生成方式
06｜批次生成	相同性質的角色、場景與動作一起生成，提高一致性
07｜剪輯	人物影片、證據圖、空景、旁白、音效與 BGM 統一整合
08｜逐集檢查	確認劇情邏輯、字幕、人物一致性、音量與節奏

我想，這會是我第二部 AI 短劇正式開始時，最重要的一次升級。

我的第一部 AI 短劇不完美，但我還是決定把它做完

《凌晨一點的咖啡》不是一部我會說「非常專業」的 AI 短劇。

有些地方現在回頭看，我知道可以做得更好。

人物一致性可以再提高。

有些前期鏡頭太像圖片推拉。

部分動作還是不夠自然。

剪輯節奏也有很多地方，是做到後面才慢慢抓到感覺。

但是我沒有打算把前面全部砍掉重做。

因為它記錄了一件對我更重要的事情：我第一次真的從零開始，把一個 AI 故事做成 10 集，而且做完了。

EP01 和 EP10 之間的差距，就是我這十集真正學到的東西。

所以我想把這些過程留下來。

不是因為我已經很會做 AI 短劇。

恰恰相反。

是因為我還在學。

這也是「Tina學姐的AI漫劇筆記」開始的原因

未來我還會繼續學即夢、Seedance2.0，以及各種新的 AI 生圖、生影片與剪輯工具。

第二部 AI 短劇，我也一定會繼續做。但我不急著馬上開始。

我想先把第一部踩過的坑整理好，把哪些方法有效、哪些方法浪費時間、哪些鏡頭最容易失敗，一點一點記錄下來。

如果你也剛開始接觸 AI 短劇，看著網路上的作品很漂亮，卻不知道自己到底能不能做到，那我現在至少知道：工具真的沒有想像中難。

但「會用工具」與「完成一部作品」，中間還有很長一段路。

而這段路，沒有哪一支教學影片能完全替你走完。

真的做一次，你就懂了。

《凌晨一點的咖啡》是我的第一部 AI 短劇。

它不完美。

但它讓我第一次真正知道，下一部該怎麼做得更好。

Tina學姐的AI漫劇筆記｜第01篇

作品	《凌晨一點的咖啡》
形式	AI 原創短劇
集數	第一季共 10 集
製作方式	AI 劇本＋AI 生圖＋AI 影片＋剪映後製
使用工具	ChatGPT、即夢、Seedance、剪映等

下一次再開始第二部 AI 短劇時，我會從「先把整季劇本和分鏡一次規劃好」開始。

到時候，我也會繼續把真正實戰後發現的問題，一篇一篇寫進這個系列。

因為我想記錄的，不是 AI 有多厲害。

而是一個普通人，究竟怎麼把 AI 慢慢變成自己真正會用的創作工具。